（1）意愿测定依据

为了更好地探寻制造业上市公司改革意愿的影响因素，本文根据制造业上市公司披露的进行供给侧结构性改革的文件数量作为衡量制造业上市公司改革意愿的指标。在对外报告中出现供给侧结构性改革字眼的频率越高，一定程度上便代表着该制造业上市公司供给侧结构性改革发展更加深化，改革意愿更加强烈。

（2）变量说明与描述性统计

为了进一步衡量制造业上市公司供给侧结构性改革意愿的影响因素，本课题将供给侧结构性改革文件数量作为衡量企业改革意愿指标，即为本课题的被解释变量。同时本课题选取了九大影响因素作为解释变量，共同研究影响制造业上市公司供给侧结构性改革意愿的变化情况，分别为运营能力、市场价值、成本费用水平、债务成本水平、创新研发能力、企业性质、企业规模、政府转移支付和税收影响因素。

运营能力、市场价值、成本费用水平、债务成本水平和创新研发能力属于企业内部财务指标，也可以作为内部影响因素。这些影响因素都可以通过企业加强自身内部控制从而影响供给侧结构性改革意愿变化；企业性质与企业规模属于企业自身的客观影响因素，同时本文通过设置企业性质为虚拟变量（若为非国有企业，则赋值为“0”；若为国有企业，则赋值为“1”），可以更好地讨论不同所有权性质下供给侧结构性改革意愿的影响因素。政府转移支付、税收则属于企业不可控的外部影响因素。本课题通过主观与客观、内部与外部相结合的视角，共同探寻制造业上市公司改革意愿的影响因素。变量说明见表3-7。

表3-7　研究变量说明

（3）数据来源与描述性统计

本课题通过网络爬虫技术获取到了我国各个制造业上市公司供给侧结构性改革披露的文件数量，并将其作为本课题供给侧结构性改革意愿强度指标，即被解释变量。同时其他相关数据如销售收入、每股收益和成本费用利润率等指标来自国泰安数据库、Wind数据库等网站。另外，本课题将销售收入、利息支出和资产规模等大额数据进行了取对数标准化，使得本课题所有数据均处于同一观测水平。

由于制造业企业众多，为了更好地控制双向固定效应、减少误差，本课题采用面板数据形式进行研究分析。本课题所有指标数据均从2016年第一季度开始，至2019年第四季度结束，共计16个时间单位。同时本课题将所有研究企业样本划分为30个不同的制造业细分行业，进而减小各个细分行业对于制造业整体的影响。描述性统计见表3-8：

表3-8　描述性统计

（4）样本数据相关性分析(www.daowen.com)

根据表3-9可得，本文选取的各变量之间大多存在显著正向的关联，各变量之间的显著相关性水平也保证了本文研究模型的稳健性。在相关性分析结果中，除了市场价值、成本费用水平两个影响因素与改革意愿呈显著负向相关外，其他因素均与改革意愿指标呈现高度正向的相关性。

表3-9　相关性分析

续表3-9

注：***代表P＜0.01、**代表P＜0.05、*代表P＜0.1。

（5）研究模型与研究设计

基于以上面板数据，本文首先采取OLS多元回归模型进行影响因素分析，研究模型如下：

willingit=α0+β1 ln saleit+β2 shareit+β3 RPCEit+β4 ln inteit+β5 ln innoit+β6 stateit+β7 ln sizeit+β8 ln subit+β9 ln taxit+λt+ηp+εit

在初步确定改革意愿影响因素后，本章节将其进行分类讨论。首先便是根据企业所有权性质分样本组进行分类回归分析。根据不同样本组展现出来的不同显著性便可以得出非国有企业与国有企业之间影响因素的区别。随后，本课题根据已确定的影响因素类进行影响机制划分与探讨。由于供给侧结构性改革的综合性与多样性，不同企业面对不同情况都可能会选择改革。当企业发展态势良好时，积极跟随国家政策进行改革便会获得更多改革红利；如果企业发展状况不理想，已经无法形成良性循环时，正确选择改革便会革除陈积旧病，使企业走上良性循环的发展道路。若影响因素与企业改革意愿同态发展，本文将其划分为“精益求精”指标；若影响因素与企业改革意愿背离发展，本文将其划分为“破釜沉舟”指标。划分不同发展态势的指标，既有助于国家政府精准促进市场中制造业上市公司供给侧结构性改革意愿，同时也会促使制造业上市公司选择合适的手段积极参与供给侧结构性改革。研究设计图见图3-4：

图3-4　研究流程设计图